一种基于灾变的多群体遗传算法

在多群体遗传算法的实现中,迁移算子常会产生大量通信开销,也不利于搜索出多个模态峰点。针对上述不足,提出了一种改进''的多群体遗传算法,用灾变产生新个体方式代替子群体之间的迁移效果,同时提出了尖点灾变模型及灾变发生的分歧条件。各子群遗传方式受灾变条件的控制。仿真结果验证了算法的有效性。

基于多群体遗传算法的非线性最小二乘估计

由于非线性模型参数估计理论广泛使用的传统牛顿类算法对初值的敏感性,以及简单遗传算法易陷入局部最优的问题,提出了一种多群体遗传算法,它采用多个群体执行遗传算法搜索解,并且能根据各个群体在较少迭代次数中找到的最优解动态调整参数域,提高了遗传算法的性能及搜索到的解是全局最优解的可靠性.实验结果表明:新的算法是一种有效的非线性系统模型参数估计方法.

基于多种编码的多群体遗传算法

为了有效地克服标准遗传算法 (SGA)中的早熟收敛现象 ,提出了一种基于多种编码的多群体遗传算法 .该方法是采用 3个群体同时进行进化的策略 .其中 ,第 1个群体是采用浮点数编码方法 ,以使该群体具有较强的局部搜索能力 ;第 2个群体是采用二进制编码方法 ,以使该群体具有较强的全局搜索能力 ;第 3个群体为“精华种群”,用于保存算法在进化过程中产生的优秀个体 .在进化过程中 ,还通过引入“移民”策略来交换 3个群体中的优秀个体 ,以有效地增加群体的多样性 .该算法不仅不易陷入局部收敛 ,还具有较强的跳出局部收敛的能力 ,且收敛速度较快 .通过对一系列典型复杂多模函数进行的优化计算试验 ,结果证实了该方法的有效性和优越性 .

基于智能优化算法的教学质量评价方法

为了提高教学质量评价的准确性,提出了一种基于智能优化算法的教学质量评价方法。首先采用层次分析法构建评价指标体系,然后用多群体遗传算法优化设计BP神经网络,最后用BP神经网络评价教学质量。实验结果证明,该文提出的方法由于结合了神经网络和遗传算法的优点,克服了评价系统的盲目性,采用非线性逼近的方法提高了教学质量评价的准确率,是一种高效的评价方法。

交货期窗口下的多目标作业车间调度问题

研究交货期窗口下的多目标作业车间调度问题.如果任务在交货期窗口内完工,则不受提前/拖期惩罚;如果在交货期窗口外完工,将导致提前/拖期惩罚.设计了基于协同多群体的多目标遗传算法(CMGA),最后将此算法应用于作业车间调度的多目标优化问题,并和其他算法进行了比较.计算结果验证了CMGA在调度方面良好的搜索性能.